windows linux CPU insightface

2021年7月19日，为了在windows和linux平台上，只有CPU没有GPU的情况下，使用insightface，在过五关斩六将后终于将程序跑起来了。

遇到的问题

1. 官方README文档的资料不全。
2. 网上找到的用户使用步骤普遍是2019年和之前的，已经变更。
3. 我只用CPU，不用GPU。

解决方法

• README资料不全，所以我找到视频教程，跟着操作。视频教程中的README，我用git的查看它的历史版本，找到umdFace下载地址。
• 我自己整理了使用步骤见后文。
• CUDA必须装在GPU环境里。代码已经不需要更改。

使用步骤

• 启动虚拟环境，我用的python分别是3.5（Windows）和3.7 （Linux）

virtualenv insightface_env
source insightface_env/Script/activate   -- Windows
source insightface_env/lib/activate -- Linux

• 安装依赖包。我用的CPU，没有cuda，所以别人装的是mxnet-cu80或者90（根据cuda的8.0版本还是9.0版本），我装的是mxnet。一开始pip install mxnet-cu80，运行时报错OSError: [WinError 126] 找不到指定的模块。应该就是Cuda的ddl没有。

pip install -U six scipy scikit-learn opencv-python scikit-image easydict mxnet

• 将insightface/recognition/arcface_mxnet/sample_config.py复制一份起名叫config.py，并在其中添加umd数据配置词典：

dataset.umd = edict()
dataset.umd.dataset = 'umd'
dataset.umd.dataset_path = '../datasets/faces_umd'
dataset.umd.num_classes = 8277
dataset.umd.image_shape = (112, 112, 3)
dataset.umd.val_targets = ['lfw', 'cfp_fp', 'agedb_30']

• 把从Dataset-Zoo下载的umdFace数据集，放到…/datasets目录下并解压
• 编辑环境变量和启动命令。放在run.sh文件里：

export MXNET_CPU_WORKER_NTHREADS=1
export MXNET_ENGINE_TYPE=ThreadedEnginePerDevice

CUDA_VISIBLE_DEVICES='' python -u train.py --network r100 --loss arcface --dataset umd

如果有GPU，CUDA_VISIBLE_DEVICES的值类似CUDA_VISIBLE_DEVICES='0,1,2,3'

• 在Windows上跑，报内存不足的错误，查看我本机的内存总共16G，有8G空闲。所以放到Linux上运行，128G内存，后来运行时验证，需要50G内存。

 File "c:\jenkins\workspace\mxnet-tag\mxnet\src\storage\./cpu_device_storage.h", line 72
MXNetError: Failed to allocate CPU Memory

• 现在遇到的问题是模型不收敛，lossvalue非常大甚至是NAN的情况。这样的话在验证集上跑会报错。正在解决之。

参考链接
视频教程

洞见实验室的教程

Insightface的理论支持